西安科技大学 通信与信息工程学院, 西安 710600
针对OAM通信系统中相干OAM复用光束的解调技术,提出了一种基于纯振幅型衍射深度神经网络(D2NN)的OAM相干复用解调实现方法。通过数值实验研究了D2NN解调器对四相OAM相干复用波束的解调性能,使用误码率（BER）对其性能进行了表征。为了降低D2NN解调的误码率,提出了一种改进的OAM选择策略。并与纯相位型D2NN解调器进行性能对比,仿真实验结果表明,该方法对四相OAM相干复用波束具有较高的解复用和解调精度有着明显优势,为OAM相干复用通信提供了一种灵活的实时解调方法。
轨道角动量 相干复用 衍射深度神经网络 解调 机器学习 orbital angular momentum coherent multiplexing deep diffractive neural network demodulation machine learning
随着国家电网规模的不断扩大，架空导线作为电力系统的重要组成，对它的定期巡检变得极其重要，同时，随着低空飞行领域的开放，为了保证国家电网的正常运行及低空飞行的安全，架空导线的识别也变得极其重要。文中提出了一种使用Deeplabv3+语义分割网络模型对红外航拍图像架空导线进行识别的方法，并且针对红外架空导线图像目标的特征对该算法进行了改进。首先在原Deeplabv3+算法的特征提取主干网络ResNet50中加入注意力机制，使网络突出导线目标所在区域的特征，更加关注导线目标所在的位置，进而弱化背景等非主要区域的特征。然后对Deeplabv3+的编码器部分进行改进，在ResNet50模型中加入特征金字塔网络，可以将浅层和深层的特征进行融合，增强网络对不同大小目标属性的识别能力，及导线这种小目标的检测能力，进而提高网络的整体识别效果。实验结果表明：改进后的算法检测性能良好，均像素精度为93.52%，平均交并比为87.83%。
Deeplabv3+ 特征金字塔 架空导线 注意力机制 ResNet50 Deeplabv3+ feature pyramid overhead wire attention mechanism ResNet50 红外与激光工程
2022, 51(11): 20220112
西安电子科技大学 物理与光电工程学院，西安 710071
针对高光谱图像溢油检测过程中云背景的干扰问题，提出一种高光谱场景云背景抑制方法.首先，分析了海面溢油的光谱反射率特性，根据海面溢油中C-H键的光谱特征，介绍了基于伪彩图像的溢油检测方法.其次，比较了高光谱场景中海水、溢油和云背景的辐射特性，依据云背景辐射特性的特点，设计了一种新的云背景辐射光谱特征提取模型，在此基础上，进一步考虑云、海面与溢油的差异，选取云辐射最大的波段图像，结合云背景辐射光谱特征生成云背景抑制图.最后，将云背景抑制图与溢油伪彩图像相乘，得到云背景抑制结果.将本文提出的方法应用于实际墨西哥湾Airborne Visible InfraRed Imaging Spectrometer高光谱遥感影像的海面溢油的检测，结果表明本文提出的方法能够在不影响溢油检测条件下，有效地消除高光谱溢油检测过程中云背景的影响.
遥感 光谱 海洋污染 溢油 云 云背景抑制 反射特性 Remote sensing Spectroscopy Marine pollution Oil spills Clouds Cloud background suppression Reflectance spectra
